Off-Grid AI의 생존 약속, 신뢰성 검증에서 실패

Off-Grid AI는 로컬 언어 모델의 한계에도 불구하고 인터넷 접속이 끊긴 뒤에도 신뢰할 수 있는 생존 지침을 제공하겠다는 매력적인 약속으로 Google News에 등장했다.

The Register의 실사용 리뷰는 그 약속을 시험대에 올려놓았다. 기본 발상은 합리적으로 들린다. 로컬 모델에 재난 대비 매뉴얼을 묶고, 클라우드와 연결을 끊어 정전이나 통신 장애 때도 유용한 정보를 이용할 수 있게 하는 것이다.

문제는 비상 상황이야말로 오류도 정답만큼 매끄럽게 들릴 수 있는 시스템을 신뢰하기에 가장 나쁜 때라는 점이다. 오프라인 어시스턴트는 문서를 검색하고, 가상의 대피 계획을 정리하거나, 저위험 계획 수립을 지원할 수 있다. 하지만 부상을 직접 살필 수도, 급변하는 현장 상황을 확인할 수도, 인용한 출처와 자신의 해석이 일치한다고 보장할 수도 없다.

이 구분은 USB 드라이브에 AI를 담아 다닌다는 참신함보다 중요하다. 진짜 경쟁은 로컬 AI와 클라우드 AI 사이가 아니다. 제품이 내세우는 신뢰할 수 있는 비상 판단이라는 약속과, 생성형 답변이 지닌 해결되지 않은 한계 사이의 경쟁이다.

Off-Grid AI가 실제로 바꾼 것

Off-Grid AI는 익숙한 로컬 모델 구성을 재난 대비용 패키지 제품으로 바꿨지만, 패키징 자체가 신뢰성을 입증하지는 않는다.

Mountain Ready는 2026년 2월 통신이나 인프라 장애가 발생하는 상황을 위한 오프라인 인텔리전스 시스템으로 이 제품을 발표했다. 회사가 밝힌 목적은 계정이나 클라우드 서버 없이 생존, 자립, 비상 대비를 지원하는 것이다.

이 제품은 호환되는 컴퓨터에 연결한 USB 장치에서 실행된다. 시스템 설명에 따르면 모델, 검색 인덱스, 문서 컬렉션은 모두 로컬에 남는다. 사용자는 컴퓨터에서 프라이빗 서버를 실행하고 질문을 입력한 뒤, 검색된 자료에 대한 참조가 포함된 답변을 받는다.

이 설계는 일반적으로 RAG라고 불리는 검색 증강 생성 방식을 사용한다. RAG는 모델이 답변을 작성하기 전에 선별된 문서 컬렉션에서 검색한 구절을 제공한다. 이 접근법은 응답의 관련성을 높이고 사용자가 검토할 수 있는 근거를 제시할 수 있다.

회사는 포함된 컬렉션이 물, 대피소, 식량, 의약품, 항법, 위생, 통신, 에너지, 수리 등의 주제를 다룬다고 말한다. 또한 답변이 특정 출처 페이지를 인용하며, 소프트웨어가 컬렉션 범위 밖의 질문은 거부한다고 설명한다.

이는 의미 있는 제품 선택이다. 오프라인 실행은 정상 작동하는 인터넷 연결에 대한 의존성을 없앤다. 로컬 처리 역시 사용자의 질문이 원격 서비스에 일상적으로 노출되는 일을 제한한다.

하지만 어느 장점도 생성된 텍스트를 인증된 비상 지침으로 바꾸지는 못한다. 인용은 출처를 식별할 수 있지만, 답변이 그 내용을 정확히 반영한다는 증거는 아니다. 모델은 잘못된 구절을 선택하거나 예외 사항을 놓치고, 각각은 맞는 문장들을 결합해도 위험한 조언을 만들 수 있다.

하드웨어 의존성은 또 다른 문제를 만든다. USB 장치만으로는 질문에 답할 수 없다. 정상 작동하는 컴퓨터, 충분한 메모리, 충전된 배터리, 그리고 제대로 실행되는 운영체제가 여전히 필요하다.

일상적인 서비스 중단 상황에서 집에 있을 때는 이 연결 고리를 관리할 수 있다. 그러나 침수, 충격 손상, 장기간 정전, 대피 이후에는 신뢰성이 떨어진다. 방수 처리된 인쇄 카드는 로컬 AI와 클라우드 AI 모두를 무력화하는 환경에서도 살아남을 수 있다.

이 때문에 이 제품은 일반적인 로컬 모델 출시 이상의 관심을 끌었다. 사용자가 답변을 검증할 수단이 더 적은 상황에 불완전한 기술을 적용했기 때문이다. 이 선택이 Off-Grid AI 리뷰의 핵심 긴장을 만든다.

Google News의 관심이 중요한 이유

Google News에 등장했다는 사실은 사적인 로컬 AI에서 신뢰할 수 있는 의사결정 지원 도구로 판매되는 제품으로의 더 큰 변화를 보여준다.

사람들은 수년간 개인용 컴퓨터에서 언어 모델을 실행해 왔다. 개발자들은 Ollama, llama.cpp, 데스크톱 모델 관리자 같은 프로젝트를 사용해 프롬프트를 로컬에 유지한다. 오프라인 지식 컬렉션 역시 생성형 AI 이전부터 다운로드 가능한 지도, 백과사전, 수리 매뉴얼, 의료 참고 자료의 형태로 존재했다.

Off-Grid AI는 기존 요소들을 구체적인 정서적 호소력을 지닌 소비자 제품으로 결합한다. 이 제품은 일상적인 서비스가 멈추고 불확실성이 커지는 순간을 겨냥한다. 모델 벤치마크 대신 깨끗한 물, 부상, 발전기, 항법, 식량에 관한 실질적인 질문을 전면에 내세운다.

이런 포지셔닝은 범용 챗봇보다 공급업체에 더 큰 부담을 준다. 창작 도우미는 즉각적인 신체적 피해 없이 평범한 개요를 만들어낼 수 있다. 오프라인 생존 도우미는 출혈, 전기 장비, 오염된 물, 약물에 관한 판단에 영향을 줄 수 있다.

회사는 제한된 검색, 인용, 결정론적 설정, 거부 동작으로 이 부담을 해결하려 한다. 마케팅 자료는 시스템이 즉흥적으로 답변하는 대신 근거가 부족한 요청을 거부하도록 설계됐다고 말한다.

이런 통제 장치는 검토할 가치가 있지만, 공개 자료는 그것들이 얼마나 자주 작동하는지 입증하지 않는다. 회사는 현실적인 비상 상황 전반에서 검색 오류, 오해를 부르는 인용, 불완전한 거부, 위험한 답변을 다룬 포괄적인 독립 평가를 공개하지 않았다.

“환각 제로”라는 표현은 특히 회의적으로 봐야 한다. NIST는 자신 있게 제시되는 거짓 또는 오류 콘텐츠의 생성인 허구 생성(confabulation)을 생성형 AI 프로필에서 핵심 위험으로 설명한다. 검색은 이 위험을 줄일 수 있지만 수학적으로 제거하지는 못한다.

신뢰할 만한 무오류 주장을 하려면 정의된 테스트 세트, 투명한 채점, 재현 가능한 구성, 그리고 시스템을 무너뜨리려는 독립적인 시도가 필요하다. 답변, 오류, 거부가 각각 무엇인지에 대한 명확한 경계도 필요하다.

그렇다고 로컬 검색이 쓸모없다는 뜻은 아니다. 이 제품은 편의성 소프트웨어보다 더 엄격한 기준으로 평가되어야 한다는 의미다. 공급업체가 비상 상황을 더 강조할수록 모호한 보장에 허용되는 여지는 작아진다.

Google News는 이 주장에 관심을 불러올 수는 있지만 검증할 수는 없다. 집계는 기사가 뉴스 흐름에 들어왔다는 뜻일 뿐이다. 제품 인증, 편집상 보증, 독립 테스트의 대체물이 아니다.

그럼에도 이 관심은 유사한 제품들이 등장하고 있기 때문에 중요하다. 일부는 휴대폰에 모델을 담고, 일부는 견고한 컴퓨터를 사용하며, 다른 제품은 오프라인 지도와 문서 아카이브를 묶는다. 공급업체들은 개인정보 보호와 복원력이 추상적인 모델 성능보다 로컬 AI를 더 효과적으로 판매할 수 있음을 발견하고 있다.

이 추세는 클라우드 우선 어시스턴트에도 압박을 가한다. OpenAI, Google, Anthropic, Microsoft는 일반적으로 가장 성능이 높은 소비자용 모델을 원격 인프라를 통해 제공한다. 로컬 제품은 모델 성능은 약하지만, 해당 서비스에 접속할 수 없을 때도 계속 작동한다.

일상적인 글쓰기나 복잡한 분석에서는 클라우드 시스템이 여전히 큰 성능 우위를 지닌다. 장애 상황에서는 가용성 자체가 하나의 기능이 된다. 위험은 가용성을 권위와 혼동할 때 시작된다.

생존 약속은 현실과 부딪힌다

오프라인 답변은 출처 문서가 모델 옆에 저장돼 있더라도 여전히 생성된 해석이다.

깊은 상처 치료에 관한 질문을 생각해 보자. 소프트웨어는 출혈 통제, 상처 세척, 대피를 다루는 구절을 검색할 수 있다. 그러나 모델은 여전히 어떤 구절이 적용되는지 판단하고, 이를 요약하며, 유용한 순서로 단계를 제시해야 한다.

환자의 맥박을 느끼거나, 숨겨진 출혈량을 추정하거나, 이미지의 한계를 넘어선 오염을 확인하거나, 압박으로 출혈이 멈췄는지 판단할 수는 없다. 환자의 복용 약물, 알레르기, 병력, 전문적인 도움까지의 거리도 알지 못할 수 있다.

전기 관련 조언에서도 같은 문제가 나타난다. 출처는 배선 구성을 정확하게 설명할 수 있다. 하지만 모델은 사용자가 도체를 올바르게 식별했는지, 모든 에너지원을 차단했는지, 손상된 장비를 마주했는지 확인할 수 없다.

생존 관련 질문은 누락된 맥락에 유난히 민감하다. 물 처리 방법은 오염물질, 이용 가능한 장비, 고도, 온도, 용도에 따라 달라진다. 식물 식별은 작은 시각적 세부 사항에 좌우될 수 있다. 약물 지침은 나이, 체중, 건강 상태, 상호작용, 제형에 따라 달라진다.

언어 모델은 이런 변수를 텍스트로 변환하지만, 언급되지 않은 변수 중 무엇이 답을 바꾸는지를 안정적으로 알지는 못한다. 스트레스를 받은 사용자는 자신감 있는 응답을 완전한 평가로 해석할 수 있다.

이 지점에서 인용은 잘못된 안도감을 줄 수 있다. 관련 인용은 문서에 연관된 정보가 있다는 사실을 보여준다. 그렇다고 모델이 모든 경고를 보존했거나, 절차를 올바르게 적용했거나, 적절한 절차를 선택했다는 증거는 아니다.

사용자는 출처를 열어 직접 검토해야 한다. 안전한 작업 흐름이 대개 원본 매뉴얼을 읽는 방식으로 돌아가기 때문에, 이는 즉각적인 AI 지침이라는 약속을 약화시킨다.

잘 설계된 검색 인터페이스는 여전히 이 과정을 개선할 수 있다. 수백 페이지를 직접 검색하는 것보다 관련 장을 더 빠르게 찾을 수 있다. 기술 용어를 잠정적인 체크리스트로 바꿔 줄 수 있다. 어떤 출처에 주의를 기울여야 하는지도 사용자가 파악하도록 도울 수 있다.

이는 독립적인 판단이 아니라 정보 검색의 이점이다. 사용자가 생성된 답변을 문서 위를 탐색하는 계층으로 대할 때 제품은 더 안전해진다.

오프라인 생존 도우미는 데이터 단절 문제도 안고 있다. 저장된 자료는 누군가 컬렉션을 업데이트하기 전까지 고정돼 있다. 개정된 의료 지침, 리콜, 새로운 경고, 기상 상황, 도로 통제, 지역 대피 명령은 자동으로 반영될 수 없다.

공급업체는 지식이 장치에 출하된 빌드를 반영한다고 인정한다. 따라서 업데이트에는 이후의 새로고침이나 교체가 필요하다. 이는 오프라인 미디어에서는 일반적이지만, AI가 항상 이용 가능한 최선의 답변을 갖고 있다는 직관과 충돌한다.

클라우드 어시스턴트도 부정확한 웹 결과와 조작된 요약을 포함한 자체적인 최신성 문제에 직면한다. 다만 연결이 유지되는 한 최신 출처에 접근할 수 있다. 에어갭 시스템은 의도적으로 그 경로를 포기한다.

매듭 도해, 무선 절차, 기계 참고 자료, 기본 위생 원칙처럼 정적인 자료에서는 이러한 절충이 합리적이다. 필요한 답변이 실시간 상황에 좌우될 때는 위험하다.

사용자에게는 오래 지속되는 참고 자료와 변하는 정보 사이의 눈에 보이는 경계가 필요하다. 확립된 나침반 기술에 관한 응답은 산불 이동, 지역 수질 안전, 약물 리콜, 대피 경로와는 다른 위험 범주에 속한다.

진지한 제품이라면 생성된 지침을 보여주기 전에 그 경계를 전달해야 한다. 출처 날짜, 문서 버전, 누락된 맥락, 답변을 거부한 이유도 표시해야 한다.

현재 마케팅의 강조점은 반대 방향으로 움직인다. 검증됨, 현장 테스트됨, 환각 제로 같은 표현은 사용자가 경계를 늦추도록 유도한다. 이런 주장은 공급업체가 제시한 것보다 더 강력한 공개 증거를 필요로 한다.

Off-Grid AI 리뷰에는 실패 테스트가 필요하다

유용한 질문은 어시스턴트가 준비된 프롬프트에 답할 수 있느냐가 아니라, 상황이 복잡해졌을 때 안전하게 실패하느냐이다.

설득력 있는 평가는 검색부터 시작해야 한다. 테스터는 오탈자, 속어, 불완전한 설명, 서로 충돌하는 증상을 사용해 질문해야 한다. 시스템이 올바른 문서를 찾는지, 관련 없는 문장이 맥락에 포함되는지도 확인해야 한다.

다음 단계는 인용 정확도다. 검토자는 중요한 모든 주장을 인용된 페이지와 비교해야 한다. 누락된 경고, 변경된 수치, 빠진 조건, 그리고 출처가 뒷받침하지 않는 결론을 기록해야 한다.

거부 행동은 별도로 테스트할 필요가 있다. 명백히 금지된 요청을 거절하는 시스템도 모호한 요청에는 답할 수 있다. 평가자는 표현을 바꾸고, 오해를 부르는 전제를 추가하며, 초기 경고 이후에도 모델이 계속 답하도록 유도해야 한다.

모델은 상충하는 출처도 처리해야 한다. 군 매뉴얼, 정부 지침, 오래된 참고서, 전문 자료로 구성된 컬렉션에는 서로 다른 절차가 담길 수 있다. 소프트웨어에는 우선순위와 버전 관리를 위한 투명한 규칙이 필요하다.

의료 시나리오에는 가장 엄격한 기준이 요구된다. 미국 적십자는 대비 정보와 경보를 포함하는 긴급 참고 앱을 배포한다. 체계화된 자료조차 디지털 지침을 훈련된 대응 인력을 대체하는 수단이 아니라 보조 수단으로 규정한다.

미국 정부의 재난 대비 지침도 계획, 물자, 경보, 반복 훈련된 대응을 강조한다. 대화형 인터페이스는 이러한 자료를 찾는 데 도움을 줄 수 있지만, 정전이 시작된 뒤에 대비를 시작할 수는 없다.

따라서 테스트에는 기기 전체 체인이 포함되어야 한다. 검토자는 실행 안정성, 배터리 소모, 발열, 저장소 손상, 세션 중단 후 복구를 측정해야 한다. 저장된 비밀번호나 익숙한 데스크톱 환경 없이도 시스템을 시험해야 한다.

소프트웨어뿐 아니라 사용자도 테스트해야 한다. 침착한 전문가는 겁에 질린 초보자가 받아들일 만한 의심스러운 답변을 알아챌 수 있다. 사용성 연구는 인용문이 실제로 열리는지, 경고가 이해되는지, 사용자가 언제 모델에 더 이상 질문하지 말아야 하는지 아는지를 살펴봐야 한다.

The Register의 회의적인 관점은 올바른 기준을 제시한다. 좀비 아포칼립스 역할극 세션은 누구에게도 해를 끼치지 않으면서 어색한 추론이나 우스운 실수를 드러낼 수 있다. 실제 긴급 상황에는 그런 여유가 없다.

이는 모든 답변이 전문 지식을 대체해야 한다는 뜻은 아니다. 인터페이스가 자신은 그 역할을 하지 못한다는 점을 일관되게 전달해야 한다는 뜻이다. 이 구분은 스트레스, 낮은 문해력, 그리고 유창한 언어를 신뢰하려는 자연스러운 경향 속에서도 유지되어야 한다.

가장 안전한 설계는 검색 결과와 생성된 종합 내용을 분리하는 방식일 것이다. 고위험 질의에는 명확히 표시된 요약을 뒤에 두고 원본 프로토콜을 먼저 보여줄 수 있다. 의료 또는 전기 관련 지침을 표시하기 전에 한계에 대한 확인을 요구할 수도 있다.

또한 진단하는 척하지 않으면서 구조화된 후속 질문을 할 수 있다. 예를 들어 응급 서비스에 연락할 수 있는지, 심한 출혈이 계속되는지, 현장이 안전한지를 물을 수 있다. 각 답변은 사용자를 권위 있는 프로토콜로 다시 안내해야 한다.

공급업체는 로컬 모델, 양자화, 출처 컬렉션, 기준일, 거부 규칙, 평가 세트, 알려진 실패 모드를 상세히 설명하는 모델 카드를 공개할 수 있다. 그러면 독립 연구자들은 홍보용 시연에 의존하지 않고 테스트를 재현할 수 있다.

이러한 공개가 제품을 완벽하게 만들지는 않는다. 하지만 위험을 더 명확하게 파악할 수 있게 해주며, 이는 실질적인 안전의 한 형태다.

오프라인 AI가 실제로 유용한 분야

로컬 재난 대비 AI의 가장 강력한 활용 사례는 되돌릴 수 없는 결과를 초래할 수 있는 긴급 판단이 아니라 계획 수립과 문서 검색이다.

긴급 상황이 발생하기 전에 어시스턴트는 가정이 체크리스트를 비교하고, 물자를 정리하며, 방대한 참고 자료 컬렉션에서 필요한 구절을 찾도록 도울 수 있다. 사용자는 결과를 검증하고 실수를 바로잡을 시간이 있다.

훈련용 가상 시나리오도 생성할 수 있다. 가정은 3일간의 정전, 막힌 도로, 단수 상황에 대응하는 연습을 할 수 있다. AI는 참가자들이 기존 계획을 시험하는 동안 변화하는 제약 조건을 제시할 수 있다.

바로 이 지점에서 역할극은 농담거리가 아니라 기능이 된다. 시뮬레이션은 문제가 중요해지기 전에 부족한 배터리, 접근할 수 없는 문서, 상충하는 책임, 비현실적인 가정을 발견하게 해준다.

어시스턴트는 위험도가 낮은 기술 자료에 대한 접근성도 개선할 수 있다. 사용자는 매뉴얼의 어느 부분에 무전 예절, 식품 보관 순환, 또는 스토브 유지보수 절차가 설명되어 있는지 물을 수 있다. 응답은 해당 출처의 섹션을 직접 가리킬 수 있다.

오프라인 검색은 일상적인 작업 중 개인정보 측면에서 이점이 있다. 소프트웨어가 실제로 외부 연결을 하지 않는다면 민감한 질문은 로컬 기기에 남는다. 다만 사용자는 여전히 텔레메트리 동작, 업데이트 방식, 선택적 네트워크 기능을 확인해야 한다.

사용자가 신뢰할 수 있는 개인 자료를 추가하면 로컬 지식 시스템은 더 유용해진다. 여기에는 장비 매뉴얼, 가정용 재고 목록, 연락처 목록, 지도, 보험 절차, 서면 비상 계획 등이 포함될 수 있다.

같은 원칙은 전문적인 지식 업무에도 적용된다. 검색 가능한 개인 지식 베이스는 사용자가 중요한 판단을 계속 맡은 채 문서를 찾는 시간을 줄일 수 있다.

하지만 로컬 맞춤화는 또 다른 유지관리 부담을 만든다. 누군가는 전화번호, 복용 약물 목록, 장비 세부 정보, 대피 계획을 최신 상태로 유지해야 한다. 오래된 개인 데이터는 권위 있어 보이기 때문에 누락된 데이터보다 더 위험할 수 있다.

따라서 시스템은 모든 사용자 문서의 업데이트 날짜를 표시해야 한다. 정기 검토가 필요한 기록에는 표시를 하고, 개인 메모와 검증된 공개 지침을 구분해야 한다.

재난 대비에는 중복성도 도움이 된다. AI 기기는 인쇄된 지침, 오프라인 지도, 충전된 무전기, 예비 전원, 반복 훈련된 절차와 함께 있어야 한다. 필수 정보로 가는 유일한 관문이 되어서는 안 된다.

이러한 다층적 접근은 겉보기 충돌의 상당 부분을 해소한다. 로컬 AI는 자율적인 생존 전문가 역할을 할 수 없다고 해서 쓸모없을 필요는 없다. 더 좁은 역할이 필요할 뿐이다.

그 역할은 기반 출처를 명확히 보여주면서 정보를 찾고, 정리하고, 반복 훈련하는 일이다. 전자 야생 응급의료원보다는 대화형 색인에 더 가깝다.

제품의 장기적 신뢰도는 설계와 마케팅이 이 더 좁은 역할을 받아들이는지에 달려 있다. 공급업체가 한계를 분명히 밝히면 소비자는 이를 이해할 수 있다. 자신감이 판매 포인트가 될 때 문제가 생긴다.

Google News 독자가 다음에 주목해야 할 점

세 가지 신호는 Off-Grid AI가 신뢰할 수 있는 참고 도구가 될지, 아니면 생존 테마의 설득력 있는 시연으로 남을지를 보여줄 것이다.

첫 번째 신호는 독립적인 안전성 테스트다. 공급업체는 자격을 갖춘 평가자가 적대적인 조건에서 의료, 전기, 내비게이션, 수처리 관련 응답을 검토하도록 초청해야 한다.

유용한 보고서는 프롬프트, 예상 출처, 모델 구성, 실패 정의, 원시 결과를 공개할 것이다. 또한 검색 성공과 답변 정확도 및 거부 품질을 구분할 것이다.

독립 테스트가 신뢰할 만한 인용과 보수적인 거부를 확인한다면 제품의 핵심 주장은 더 강해진다. 테스트에서 누락이나 근거 없는 종합이 드러난다면 사용자는 이를 위험도가 낮은 검색과 계획 수립에 한정해야 한다.

두 번째 신호는 투명한 코퍼스 관리다. 구매자는 완전한 출처 목록, 버전 날짜, 변경 이력, 명확한 업데이트 정책을 알아야 한다. 상충하는 문서의 순위가 어떻게 정해지는지도 알아야 한다.

빈번하고 감사 가능한 업데이트는 오래된 데이터 문제의 일부를 해결할 수 있다. 큐레이션된 지식에 대한 모호한 언급은 이 시스템이 테마를 입힌 문서 모음 이상의 가치를 제공한다는 주장을 약화시킬 것이다.

세 번째 신호는 고위험 질문에서의 인터페이스 동작이다. 향후 버전이 원본 지침을 먼저 제시하고, 불확실성을 드러내며, 누락된 맥락을 요청하고, 가능할 때 사용자를 응급 서비스로 안내하는지 지켜봐야 한다.

이러한 설계 선택은 더 큰 모델을 추가하는 것보다 중요하다. 더 나은 문장은 정확성을 높이지 않고도 신뢰를 높일 수 있다. 긴급 상황용 소프트웨어에서는 신중한 한계 고지가 유창한 답변보다 더 가치 있을 수 있다.

더 넓은 로컬 AI 시장도 같은 지표를 지켜봐야 한다. 오프라인 모델은 개인정보 보호, 복원력, 교육, 원격 업무, 문서 접근에서 정당한 역할을 할 수 있다. 각 역할에는 실패 비용에 맞는 보증 수준이 필요하다.

Google News 독자는 마케팅이 흔히 한데 섞는 세 가지 주장을 구분해야 한다. 시스템은 오프라인으로 실행될 수 있다. 인용된 구절을 검색할 수 있다. 그럼에도 오해를 부르는 답변을 생성할 수 있다.

Off-Grid AI는 분명히 앞의 두 목표를 겨냥한다. 공개적으로 이용 가능한 증거는 “환각 제로”가 암시하는 세 번째 목표를 입증하지 못한다. 재현 가능한 테스트가 그 간극을 메우기 전까지 사용자는 생성된 계층을 오류 가능성이 있는 것으로 다뤄야 한다.

그렇게 해도 유용하지만 덜 극적인 제품이 남는다. 누군가가 매뉴얼을 찾고, 훈련을 준비하고, 키트를 정리하거나, 가상의 붕괴 상황을 연습하도록 도울 수 있다. 부상, 진행 중인 위험, 변화하는 대피 상황에 대한 최종 권위자가 되어서는 안 된다.

올바른 다음 단계는 실용적이다. 지금 비상 계획을 세우고, 권위 있는 자료를 다운로드하며, 인쇄된 백업을 유지하고, 상황이 평온할 때 모든 기기를 테스트하라.

그다음 오프라인 어시스턴트에게 좀비 아포칼립스를 연습하는 데 도움을 요청하라. 답변이 틀리더라도 유일한 희생자는 이야기에 그쳐야 한다.